EpiCastBench：多元流行病预测的数据集和基准

公共卫生领域越来越多地采用数据驱动的决策，使流行病预测成为一个关键的研究领域。多元预测模型的最新进展比独立建模单个序列的传统单变量方法更好地捕获复杂的时间依赖性。尽管有这种潜力，但由于缺乏包含跨传染病和地理区域的各种多元数据集的高质量基准，强大的流行病预测方法的发展受到限制。为了解决这一差距，我们推出了 EpiCastBench，这是一个大型基准测试框架，具有 40 个精选（相关）多元流行病数据集。这些公开可用的数据集涵盖了广泛的传染病，并在时间粒度、系列长度和稀疏性方面表现出不同的特征。我们分析这些数据集以识别它们的全局特征和结构模式。为了确保可重复性和公平比较，我们建立了标准化的评估设置，包括统一的预测范围、一致的预处理管道、多样化的性能指标和统计显着性测试。通过利用这个框架，我们对 15 个多元预测模型进行了全面评估，涵盖统计基线到最先进的深度学习和基础模型。所有数据集和代码均可在 Kaggle (https://www.kaggle.com/datasets/aimltsf/epicastbench) 和 GitHub (https://github.com/aimltsf/EpiCastBench) 上公开获取。